서울대병원은 정형외과 노두현 교수팀이 AI 딥러닝을 활용해 환자별로 다른 무릎 연골 마모 지점을 정밀 측정하는 신규 영상 지표 'oJSW'를 개발했다고 6일 밝혔다. 대규모 추적 분석 결과, 기존 방식보다 높은 97%의 진단 정확도를 기록하며 신약 개발 및 정밀 진단의 새로운 표준을 제시했다.

무릎 골관절염 중증도 평가의 핵심 지표는 X-ray상 허벅지뼈와 정강이뼈 사이의 간격(JSW)이다. 하지만 기존 방식은 관절의 특정 위치를 고정하여 측정하기 때문에, 환자마다 제각각인 '가장 심하게 닳은 부위'를 충분히 반영하지 못해 실제 마모 상태를 놓칠 위험이 컸다.

이에 서울대병원 노두현 교수와 동국대일산병원 이도원 교수팀은 딥러닝 알고리즘이 관절 내부를 자동으로 탐색해 가장 좁은 지점을 수직으로 찾아내는 새로운 영상 지표인 'oJSW(orthogonal minimum JSW)'를 제시했다. 연구팀은 미국 국립보건원(NIH)의 대규모 데이터(OAI)를 활용해 3855명의 무릎 영상 1만5313개를 최대 6년간 분석하며 이 지표의 성능을 검증했다.

분석 결과, oJSW는 골관절염 중증도 판별에서 최대 97%의 높은 진단 정확도(AUC 0.86~0.97)를 기록하며 기존 측정 방식을 일관되게 앞질렀다. 특히 12개월간의 미세한 구조적 악화를 포착해내는 민감도 분석에서도 탁월한 수치를 기록, 숙련된 정형외과 전문의의 육안 평가에 준하는 정밀도를 확보했음을 입증했다.

이번 연구는 딥러닝 기반의 신규 영상 지표를 대규모 종적 코호트 데이터에서 기존 표준 지표들과 비교 검증한 최초의 연구라는 점에서 의미가 있다.

서울대병원 관계자는 "oJSW는 향후 골관절염 근본적 치료제 임상시험에서 민감한 평가 도구로 활용되어 신약 개발 가속화에 기여할 것"이라며 "실제 진료 현장에서도 객관적이고 표준화된 진단 도구로 유용하게 활용될 전망"이라고 말했다.